抓住抽毯：通过机器学习早期预测 Solana 上的欺诈性迷因币

区块链平台上迷因币的迅速激增提高了欺诈活动的风险，尤其是抽毯式骗局。尽管以往研究主要关注基于 Ethereum 的代币，本文将焦点转向 Solana——按交易量和代币数量计算，Solana 是迷因币领域领先的区块链。与 Ethereum 上的抽毯式骗局常常利用智能合约后门不同，Solana 迷因币的抽毯式骗局主要由流动性操纵和社交动态驱动。本研究通过汇集 7 个月内 640 万个代币的数据集，率先在 Solana 生态系统中开展大规模抽毯式骗局早期检测。市场分析显示，这些迷因币中的绝大多数在上线后一小时内就表现出抽毯式骗局特征，突显了短时间窗口预测的紧迫性。尽管缺乏代码层面的特征，我们证明经典机器学习模型，尤其是 Gradient Boosting (XGBoost)，仅使用前 5 分钟的交易数据即可在检测潜在抽毯式骗局方面取得稳健表现。此外，我们评估了 PumpFun 和 Raydium 之间的跨平台泛化能力，发现多源数据融合显著缓解了领域偏移并提高了检测可靠性。本研究推进了对高吞吐量链上 DeFi 欺诈的理解，并为保护投资者提供了一个实用框架。